- 无标题文档
查看论文信息

中文题名:

 基于贝叶斯滤波的随机CA城市扩张模型研究    

姓名:

 杨慧    

学号:

 1049721201955    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 070104    

学科名称:

 应用数学    

学生类型:

 硕士    

学位:

 理学硕士    

学校:

 武汉理工大学    

院系:

 理学院    

专业:

 应用数学    

研究方向:

 数字信号处理    

第一导师姓名:

 桂预风    

第一导师院系:

 武汉理工大学    

完成日期:

 2014-10-01    

答辩日期:

 2014-12-06    

中文关键词:

 贝叶斯滤波 ; 元胞自动机 ; 城市扩张 ; 随机模型    

中文摘要:

城市的发展与地区经济社会等可持续发展息息相关,对城市扩张的动态趋势进行模拟具有相当的现实意义。元胞自动机(简称CA)采用“自上而下”的建模思想,可用简单的规则模拟复杂的变换,对于时间和空间都具有高度复杂性的城市扩张系统的模拟具有先天的优势。贝叶斯滤波作为状态空间参数估计的重要模型,可用蒙特卡罗的实现方式(粒子滤波),通过先验信息生成粒子并在模型进行过程中不断迭代和更新来估计参数的最优值。本文将贝叶斯滤波与元胞自动机模型相结合,构建基于粒子滤波的随机元胞自动机模型,以武汉市前川镇作为研究区域,对模型进行验证和运行。

论文主要包括以下工作:

一、遥感影像预处理及解译工作。将所需遥感影像进行波段融合、几何校准、裁剪等预处理工作,通过监督分类提取研究区域城镇建设用地以及水域图。另外对其它属性图进行处理并最终统一坐标系输出,完成空间数据库的建设。

二、定性分析部分。对武汉市城市利用现状进行总体分析,对前川镇2001年、2005年、2009年城镇建设用地图进行叠置分析,对城市扩张空间趋势形式进行重点研究;最后对影响城市扩张因素从宏观、中观、微观三方面进行驱动分析,以提取建模所需驱动因子。

三、定量建模部分。构建基于贝叶斯滤波的随机元胞自动机模型对研究区进行模型构建,选取5个候选因子并赋予先验信息,用粒子滤波对参数进行更新,最后将参数后验分布用于预测研究区下一时刻城市扩张概率图及城镇用地图。最后将模型应用于整个武汉市的城市扩张上,对2017年武汉市城镇建设用地图进行预测。

文章图像处理及建模部分基于GIS和Matlab软件,将两者结合构建出城市扩张模型的具体实施部分。总体来说,本文提出的随机化CA模型的观念,使城市扩张模型更加贴合实际,并通过实验进行模型的可行性验证,结果表明其具有重要实际应用价值。

城市的发展与地区经济社会等可持续发展息息相关,对城市扩张的动态趋势进行模拟具有相当的现实意义。元胞自动机(简称CA)采用“自上而下”的建模思想,可用简单的规则模拟复杂的变换,对于时间和空间都具有高度复杂性的城市扩张系统的模拟具有先天的优势。贝叶斯滤波作为状态空间参数估计的重要模型,可用蒙特卡罗的实现方式(粒子滤波),通过先验信息生成粒子并在模型进行过程中不断迭代和更新来估计参数的最优值。本文将贝叶斯滤波与元胞自动机模型相结合,构建基于粒子滤波的随机元胞自动机模型,以武汉市前川镇作为研究区域,对模型进行验证和运行。

论文主要包括以下工作:

一、遥感影像预处理及解译工作。将所需遥感影像进行波段融合、几何校准、裁剪等预处理工作,通过监督分类提取研究区域城镇建设用地以及水域图。另外对其它属性图进行处理并最终统一坐标系输出,完成空间数据库的建设。

二、定性分析部分。对武汉市城市利用现状进行总体分析,对前川镇2001年、2005年、2009年城镇建设用地图进行叠置分析,对城市扩张空间趋势形式进行重点研究;最后对影响城市扩张因素从宏观、中观、微观三方面进行驱动分析,以提取建模所需驱动因子。

三、定量建模部分。构建基于贝叶斯滤波的随机元胞自动机模型对研究区进行模型构建,选取5个候选因子并赋予先验信息,用粒子滤波对参数进行更新,最后将参数后验分布用于预测研究区下一时刻城市扩张概率图及城镇用地图。最后将模型应用于整个武汉市的城市扩张上,对2017年武汉市城镇建设用地图进行预测。

文章图像处理及建模部分基于GIS和Matlab软件,将两者结合构建出城市扩张模型的具体实施部分。总体来说,本文提出的随机化CA模型的观念,使城市扩张模型更加贴合实际,并通过实验进行模型的可行性验证,结果表明其具有重要实际应用价值。

参考文献:

[1] 周成虎, 孙战利, 谢一春等. 地理元胞自动机研究[M]. 北京:科学出版社, 1999

[2] 姜凤霞. 基于 BP 神经网络的城市扩张动态模拟和预测 [D]. 山东科技大学, 2008.

[3] 谢琨磊. 基于 GIS 和扩展 CA 的快速城市化地区土地利用演化研究[D]. 中南大学, 2007.

[4] Berling-Wolff, S., Wu J. Modeling urban landscape dynamics: A review[J]. Ecological Research, 2004, 19(1): 119-129.

[5] Wolfram S. Cellular automata as models of complexity[J]. Nature, 1984, 311(5985): 419-424.

[6] Wolfram S. A new kind of science[M]. Champaign: Wolfram media, 2002.

[7] Tobler W R. Cellular geography[M]//Philosophy in geography. Springer Netherlands, 1979: 379-386.

[8] Batty M, Xie Y. From cells to cities[J]. Environment and planning B, 1994, 21: s31-s31.

[9] White R, Engelen G. Cellular dynamics and GIS: modelling spatial complexity[J]. Geographical systems, 1994, 1(3): 237-253.

[10] Couclelis H. Cellular worlds: a framework for modeling micro-macro dynamics[J]. Environment and planning A, 1985, 17(5): 585-596.

[11] Itami R M. Simulating spatial dynamics: cellular automata theory[J]. Landscape and urban planning, 1994, 30(1): 27-47.

[12] Takeyama M, Couclelis H. Map dynamics: integrating cellular automata and GIS through Geo-Algebra[J]. International Journal of Geographical Information Science, 1997, 11(1): 73-91.

[13] Batty M. Cities and Complexity: Understanding Cities Through Cellular Automata, Agent-Based Models and Fractals[J]. 2005.

[14] Xie Y. A generalized model for cellular urban dynamics[J]. Geographical Analysis, 1996, 28(4): 350-373.

[15] White R, Engelen G. Cellular automata as the basis of integrated dynamic regional modelling[J]. Environment and planning B, 1997, 24: 235-246.

[16] White R, Engelen G. High-resolution integrated modelling of the spatial dynamics of urban and regional systems[J]. Computers, environment and urban systems, 2000, 24(5): 383-400.

[17 ] Barredo J I, Kasanko M, McCormick N, et al. Modelling dynamic spatial processes: simulation of urban future scenarios through cellular automata[J]. Landscape and urban planning, 2003, 64(3): 145-160.

[18] Barredo J I, Demicheli L, Lavalle C, et al. Modelling future urban scenarios in developing countries: an application case study in Lagos, Nigeria[J]. Environment and Planning B, 2004, 31(1): 65-84.

[19] Kocabas V, Dragicevic S. Assessing cellular automata model behaviour using a sensitivity analysis approach[J]. Computers, Environment and Urban Systems, 2006, 30(6): 921-953.

[20] Clarke K C, Hoppen S, Gaydos L. A self-modifying cellular automaton model of historical urbanization in the San Francisco Bay area[J]. Environment and Planning B: Planning and Design, 1997, 24(2): 247-261.

[21] Clarke, K.C., Gaydos, L.J., 1998. Loose-coupling a cellular automaton model and

GIS: long-term urban growth prediction for San Francisco and Washington/

Baltimore. Int. J. Geogr. Inform. Sci. 12 (7), 699–714.

[22] Wu F, Webster C J. Simulation of land development through the integration of cellular automata and multicriteria evaluation[J]. Environment and Planning B, 1998, 25: 103-126.

[23] Li X, Yeh A G O. Modelling sustainable urban development by the integration of constrained cellular automata and GIS[J]. International Journal of Geographical Information Science, 2000, 14(2): 131-152.

[24] Almeida C M, Gleriani J M, Castejon E F, et al. Using neural networks and cellular automata for modelling intra‐urban land‐use dynamics[J]. International Journal of Geographical Information Science, 2008, 22(9): 943-963.

[25] Guan D J, Li H F, Inohae T, et al. Modeling urban land use change by the integration of cellular automaton and Markov model[J]. Ecological Modelling, 2011, 222(20): 3761-3772.

[26] Samat N, Hasni R, Elhadary E, et al. Modelling Land Use Changes at the Peri-Urban Areas Using Geographic Information Systems and Cellular Automata Model[J]. Journal of Sustainable Development, 2011, 4(6).

[27] Sun H, Forsythe W, Waters N. Modeling urban land use change and urban sprawl: Calgary, Alberta, Canada[J]. Networks and spatial economics, 2007, 7(4): 353-376.

[28] Fuglsang M, Münier B, Hansen H S. Modelling land-use effects of future urbanization using cellular automata: An Eastern Danish case[J]. Environmental Modelling & Software, 2013, 50: 1-11.

[29] 张显峰, 崔伟宏. 集成GIS和细胞自动机模型进行地理时空过程模拟与预测的新方法[J].测绘学报.2001,30(2).148:155

[30] 何春阳, 陈晋, 史培军, 等. 基于 CA 的城市空间动态模型研究[J]. 地球科学进展, 2002, 17(2): 188-194.

[31] 陈志强, 陈健飞. 福州城市用地变化的 CA 模型动态模拟研究[J]. 地球信息科学, 2007, 9(2): 70-73.

[32] 樊风雷, 王云鹏. 基于 CA 的珠三角核心区城市扩张预测研究[J]. 计算机工程与应用, 2008, 43(36): 202-204.

[33] 黎夏, 叶嘉安. 基于神经网络的元胞自动机及模拟复杂土地利用系统[J]. 地理研究, 2005, 24(1): 19-27.

[34] 杨青生, 黎夏. 基于支持向量机的元胞自动机及土地利用变化模拟[J]. 遥感学报, 2007, 10(6): 836-846.

[35] 杨青生, 黎夏. 多智能体与元胞自动机结合及城市用地扩张模拟[J]. 地理科学, 2007, 27(4): 542-548.

[36] 黎夏, 叶嘉安, 刘小平等. 地理模拟系统:元胞自动机与多智能体[M]. 北京:科学出版社. 2007

[37] 何素芳, 罗平. 标准元胞自动机模型的缺陷及拓展研究[J]. 佛山科学技术学院学报: 自然科学版, 2002, 20(2): 52-56.

[38] 罗平, 李满春, 雷元新, 等. 基于经典地理过程分析概念的CA模型扩展[J]. 武汉大学学报: 工学版, 2004, 37(5): 85-89.

[39] 罗平, 杜清运, 雷元新, 等. 地理特征元胞自动机及城市土地利用演化研究[J]. 武汉大学学报: 信息科学版, 2004, 29(6): 504-507.

[40] 刘耀林, 刘艳芳, 明冬萍. 基于灰色局势决策规则的元胞自动机城市扩展模型[J]. 武汉大学学报: 信息科学版, 2004, 29(1): 7-13.

[41] 徐昔保, 杨桂山, 张建明. 基于神经网络 CA 的兰州城市土地利用变化情景模拟[J]. 地理与地理信息科学, 2009, 24(6): 80-83.

[42] 谭菊, 甘喜庆. 基于可控邻域作用元胞自动机模型的城市扩张模拟[J]. 安徽农业科学, 2010, 22: 195.

[43] 闫丽洁, 杨瑞霞, 石忆邵, 等. 基于 GIS 与 CA 的城市扩展研究——以洛阳市为例[J]. 地域研究与开发, 2010, 29(4): 140-144.

[44] 侯西勇, 常斌, 于信芳. 基于CA—Markov的河西走廊土地利用变化研究[J]. 农业工程学报.2004,20(5):286-291

[45] 杨国清, 刘耀林, 吴志峰. 基于CA-Markov模型的土地利用格局变化研究[J]. 武汉大学学报.信息科学版. 2007,32(5):414-418

[46] 龚文峰, 袁力, 范文义. 基于 CA-Markov 的哈尔滨市土地利用变化及预测[J]. 农业工程学报, 2012, 28(14): 216-222.

[47] 武汉市城市总体规划(2006-2020年). 武汉市国土资源和规划局.

[48] 李新, 摆玉龙. 顺序数据同化的Bayes滤波框架[J]. 地球科学发展. 2010,25(5):515-522

[49] 贾鹏, 杨钢桥. 城市用地扩张驱动力分析--以湖北省为例[J]. 水土保持研究. 2006,13(2):182-185

中图分类号:

 TU984    

馆藏号:

 TU984/1955/2014    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式